Introduction aux données qualitatives

Données catégorielles dans le Tidyverse

Emily Robinson

Data Scientist

Aperçu du cours

Identifier et examiner des variables qualitatives
Utiliser le package forcats
Créer des visualisations efficaces

Dernier chapitre

Un diagramme en barres intitulé « hell is other people in a pressurized metal tube » avec la légende « percentage of 874 air-passenger respondents who said action is very or somewhat rude. ». La plus grande barre est « knowingly bring unruly children » à 82 % et la plus basse « ask to switch seats for family » à 17 %. Il y a 9 barres au total. Enquête FiveThirtyEight réalisée sur SurveyMonkey.

41% of Fliers Think You're Rude if You Recline Your Seat

Qu'est-ce qu'une variable qualitative ?

Données catégorielles vs ordinales

Données catégorielles (nominales)

Image d'illustration de 7 travailleurs aux tenues variées.

Données ordinales

Options de revenu annuel :

« 0-$50,000 »
« $50,000-150,000 »
« $150,000-500,000 »
« More than $500,000 »

Variables qualitatives en R

Noms vs question sur les langages de programmation

Variables qualitatives en R

Examiner tout votre jeu de données

library(fivethirtyeight)
print(college_all_ages)

# A tibble: 173 x 11
   major_code major       major_category     total employed
        <int> <chr>       <chr>              <int>    <int>
 1       1100 General Ag… Agriculture & Na… 128148    90245
 2       1101 Agricultur… Agriculture & Na…  95326    76865
 3       1102 Agricultur… Agriculture & Na…  33955    26321
 4       1103 Animal Sci… Agriculture & Na… 103549    81177
# ... with 163 more rows, and 6 more variables:
#   employed_fulltime_yearround <int>, unemployed <int>,
#   unemployment_rate <dbl>, p25th <dbl>, median <dbl>,
#   p75th <dbl>

Variables qualitatives en R

Examiner vos variables une par une :

is.factor(college_all_ages$major_category)

FALSE

Passons à la pratique !

Données catégorielles dans le Tidyverse